并行还原技术 我有这段C++代码，我想把它移植到CUDA。< /P> for (int im = 0; im < numImages; im++) { for (p = 0; p < xsize*ysize; p++) { bool ok = false; for (f = 0; f < numFeatures; f++) { if (feature[im][f][p] != 0) { ok = true; break; } } if (ok) { minDist = 1e9; for (i = 0; i < numBins; i++) { dist = 0; for (f = 0; f < numFeatures; f++) { dist += (float)((feature[im][f][p]-clusterPoint[f][i])*(feature[im][f][p]-clusterPoint[f][i])); } if (dist < minDist) { minDist = dist; tmp = i; } }//end for i for (f = 0; f < numFeatures; f++) csum[f][tmp] += feature[im][f][p]; ccount[tmp]++; averageDist[tmp] += sqrt(minDist); } // end if (ok) } //end for p }// end for im for（int im=0；im

我想在GPU中计算

csum

，

ccount

和

averageDist

csum

和

averagedist

是浮点数，

ccount

是整数

---

这是一个并行归约问题吗？

Ya，您可以使用CUDA进行求和。但是，元素的数量应该足够大，这样在GPU上求和所花费的时间应该小于在CPU上求和所花费的时间

我没有完全理解您的代码应该做什么，我也不知道

numBins

和

numFeatures

的近似值是多少。尽管如此，我还是要并行这个循环：

for（p=0；p

，以便每个线程计算其值并将其存储在全局数组中。有了这些特征和距离数组，您可以使用标准并行缩减计算

csum

、

ccount

和

averageDist

（int im=0；im可以通过重复启动内核来计算，也可以使其与循环像素同时并行

---

在

的情况下，如果（ok）

不够频繁，则会发生扭曲发散（请参阅）。为了避免这种情况，您可以不为每个像素指定一个线程，而是为一个扭曲指定一个线程，并在该扭曲内的线程之间分配剩余的计算。

谢谢您的回答！假设numImages=1，xsize*ysize=307200，numBins=80，numFeatures=7。对不起，我没有说清楚。如果我理解正确，您建议我使用一个内核来存储所有需要的数组，以计算csum Account和averageDist作为设备变量。当第一个内核完成时，然后为我想要的每个数组调用我的并行缩减内核。是这样吗？再次感谢是的。在一个内核中并行计算所需的值，然后在下一个内核中减少数组。